A PostgreSQL lekérdezések teljesítményfigyelése. 1. rész – jelentés

Mérnök - latinból fordítva - ihlette.
Egy mérnök bármire képes. c) R. Diesel.
Epigraphs.

Vagy egy történet arról, hogy egy adatbázis-adminisztrátornak miért kell emlékeznie programozási múltjára.

Előszó

Minden név megváltozott. A mérkőzések véletlenszerűek. Az anyag kizárólag a szerző személyes véleménye.

Garancia kizárása: a tervezett cikksorozatban nem lesz részletes és pontos leírás a felhasznált táblázatokról és szkriptekről. Az anyagok nem használhatók fel azonnal „AHOGY VAN”.
Először is a nagy mennyiségű anyag miatt,
másodszor a valódi vásárló gyártási bázisával való élesség miatt.
Ezért a cikkekben csak ötleteket és leírásokat adunk a legáltalánosabb formában.
Talán a jövőben a rendszer a GitHubon való közzététel szintjére fog nőni, vagy talán nem. Az idő megmutatja.

A történet kezdete-Emlékszel, hogyan kezdődött minden".
Mi történt ennek eredményeként, a legáltalánosabb értelemben - "Szintézis, mint az egyik módszer a PostgreSQL teljesítményének javítására»

Miért van szükségem erre az egészre?

Nos, először is, hogy ne felejtsd el magad, emlékezve a dicsőséges nyugdíjas napokra.
Másodszor pedig rendszerezni a leírtakat. Már magam is néha kezdek összezavarodni, és elfelejtem a különálló részeket.

Nos, és ami a legfontosabb - hirtelen jól jöhet valakinek, és segít, hogy ne találja fel újra a kereket, és ne gyűjtsön gereblyét. Más szóval, javítsa a karmáját (nem Khabrovsky). Mert a legértékesebb dolog ezen a világon az ötletek. A lényeg az, hogy találjunk egy ötletet. Az ötlet megvalósítása pedig már pusztán technikai kérdés.

Szóval kezdjük lassan...

A probléma megfogalmazása.

Elérhető:

PostgreSQL (10.5), vegyes terhelés (OLTP+DSS), közepes és könnyű terhelés, az AWS felhőben tárolva.
Nincs adatbázis-felügyelet, az infrastruktúra-felügyelet standard AWS-eszközökként jelenik meg minimális konfigurációban.

Szükséges:

Kövesse nyomon az adatbázis teljesítményét és állapotát, keresse meg és rendelkezzen kezdeti információkkal a nehéz adatbázislekérdezések optimalizálásához.

A megoldások rövid bemutatása vagy elemzése

Kezdésként próbáljuk meg elemezni a probléma megoldásának lehetőségeit a mérnök előnyeinek és problémáinak összehasonlító elemzése szempontjából, és hagyjuk, hogy azok foglalkozzanak az előnyökkel és veszteségekkel, akiknek a listán szerepelniük kell. a menedzsment.

1. lehetőség – „Igény szerinti munka”

Mindent úgy hagyunk, ahogy van. Ha az ügyfél valamivel nem elégedett az adatbázis vagy az alkalmazás állapotában, teljesítményében, e-mailben értesíti a DBA mérnökeit, vagy a jegydobozban incidens létrehozásával.
A mérnök, miután megkapta az értesítést, megérti a problémát, megoldást kínál, vagy félreteszi a problémát, abban a reményben, hogy minden magától megoldódik, és különben is, hamarosan minden feledésbe merül.
Mézeskalács és fánk, zúzódások és dudorokMézeskalács és fánk:
1. Semmi extra tennivaló
2. Mindig van lehetőség kiszállni és bepiszkolódni.
3. Sok idő, amit egyedül tölthet.
Zúzódások és dudorok:
1. Előbb-utóbb az ügyfél elgondolkodik a létezés és az egyetemes igazságosság lényegén ebben a világban, és ismét felteszi magának a kérdést - miért fizetem ki a pénzemet? A következmény mindig ugyanaz – a kérdés csak az, hogy az ügyfél mikor unja meg és búcsút int. És az etető üres. Szomorú.
2. Egy mérnök fejlettsége nulla.
3. Nehézségek a munka és a rakodás ütemezésében

2. lehetőség – „Táncolj tamburinokkal, vegyél fel és húzz cipőt”

1. bekezdés-Miért van szükségünk monitoring rendszerre, minden kérést megkapunk. Elindítunk egy csomó mindenféle lekérdezést az adatszótárhoz és a dinamikus nézetekhez, mindenféle számlálót bekapcsolunk, mindent táblákba viszünk, rendszeresen elemezzük a listákat és táblázatokat. Ennek eredményeként vannak szép vagy nem túl grafikonok, táblázatok, jelentések. A legfontosabb dolog - ez több, több lenne.
2. bekezdés-Tevékenység generálása - mindezek elemzése.
3. bekezdés- Egy bizonyos dokumentumot készítünk, ezt a dokumentumot egyszerűen - "hogyan szereljük fel az adatbázist" -nak nevezzük.
4. bekezdés- Az ügyfél, látva a grafikonok és ábrák e pompáját, gyerekesen naiv önbizalommal tölti el - most már minden működni fog, hamarosan. És könnyen és fájdalommentesen válnak meg anyagi forrásaiktól. A vezetőség abban is biztos, hogy mérnökeink keményen dolgoznak. Max terhelés.
5. bekezdés- Rendszeresen ismételje meg az 1. lépést.
Mézeskalács és fánk, zúzódások és dudorokMézeskalács és fánk:
1. A vezetők és mérnökök élete egyszerű, kiszámítható és tevékenységekkel teli. Minden zúg, mindenki elfoglalt.
2. Az ügyfél élete sem rossz - mindig biztos benne, hogy egy kicsit türelmesnek kell lennie, és minden sikerülni fog. Nem lesz jobb, hát, hát - igazságtalan ez a világ, a következő életben - szerencséd lesz.
Zúzódások és dudorok:
1. Előbb-utóbb lesz egy okosabb hasonló szolgáltatást nyújtó szolgáltató, aki ugyanígy megcsinálja, csak kicsit olcsóbban. És ha az eredmény ugyanaz, miért fizessen többet. Ami ismét az etető eltűnéséhez vezet.
2. Unalmas. Milyen unalmas minden kis értelmes tevékenység.
3. Az előző verzióhoz hasonlóan - nincs fejlesztés. De egy mérnök számára az a mínusz, hogy az első lehetőséggel ellentétben itt folyamatosan IDB-t kell generálnia. És ehhez idő kell. Amelyet elkölthet kedvese javára. Mert nem tudsz magadról gondoskodni, mindenki törődik veled.

3. lehetőség – Nem kell biciklit feltalálni, meg kell vásárolni és meg kell ülni.

Más cégek mérnökei tudatosan esznek pizzát sörrel (ó, Szentpétervár dicsőséges ideje a 90-es években). Használjunk olyan megfigyelő rendszereket, amelyek meg vannak készítve, hibajavítva és működőképesek, és általánosságban véve hasznot hoznak (legalábbis az alkotóik számára).
Mézeskalács és fánk, zúzódások és dudorokMézeskalács és fánk:
1. Nem kell időt vesztegetni a már feltalált dolgok kitalálására. Vedd és használd.
2. A felügyeleti rendszereket nem hülyék írják, és persze hasznosak.
3. A működő felügyeleti rendszerek általában hasznos szűrt információkat szolgáltatnak.
Zúzódások és dudorok:
1. A mérnök ebben az esetben nem mérnök, hanem csak valaki más termékének felhasználója vagy felhasználója.
2. Az ügyfélnek meg kell győződnie arról, hogy olyat kell vásárolnia, amit általában nem akar megérteni, és nem is szabad, és általában az éves költségvetést jóváhagyták, és ez nem fog változni. Ezután külön erőforrást kell lefoglalnia, be kell állítania egy adott rendszerhez. Azok. Először fizetni kell, fizetni és még egyszer fizetni. Az ügyfél pedig fukar. Ez az élet normája.

Mit csináljak, Csernisevszkij? A kérdésed nagyon aktuális. (Val vel)

Ebben a konkrét esetben és a jelenlegi helyzetben egy kicsit másképp tehet - készítsünk saját megfigyelő rendszert.

Nos, persze nem rendszer, a szó teljes értelmében, ez túl hangos és elbizakodott, de legalább valahogy könnyítse meg magát, és gyűjtsön több információt a teljesítményincidensek megoldásához. Hogy ne kerüljön olyan helyzetbe – „menjen oda, nem tudom hova, találja meg, nem tudom, mit”.

Mik ennek a lehetőségnek az előnyei és hátrányai:

Előnyök:
1. Érdekes. Nos, legalábbis érdekesebb, mint az állandó "ssrink datafile, alter tablespace, etc."
2. Ezek új készségek és új fejlesztések. Ami a jövőben előbb-utóbb jól megérdemelt mézeskalácsot és fánkot ad.
Hátrányok:
1. Dolgozni kell. Sokat dolgozni.
2. Rendszeresen el kell magyaráznia minden tevékenység értelmét és perspektíváit.
3. Valamit fel kell áldozni, mert a mérnök számára elérhető egyetlen erőforrást - az időt - az Univerzum korlátozza.
4. A legrosszabb és legkellemetlenebb - ennek eredményeként olyan szemét kerülhet elő, mint "Nem egér, nem béka, hanem ismeretlen kis állat".

Aki nem kockáztat valamit, az nem iszik pezsgőt.
Szóval, kezdődik a móka.

Általános ötlet - sematikus

(Az illusztráció a cikkből származik «Szintézis, mint az egyik módszer a PostgreSQL teljesítményének javítására»)

Magyarázat:

• A céladatbázis a szabványos „pg_stat_statements” PostgreSQL kiterjesztéssel van telepítve.
• A megfigyelési adatbázisban szolgáltatási táblákat hozunk létre, amelyek a kezdeti szakaszban tárolják a pg_stat_statements előzményeit, és a jövőben konfigurálják a mérőszámokat és a megfigyelést.
• A megfigyelő gazdagépen létrehozunk egy bash-szkriptet, beleértve azokat is, amelyek a jegyrendszerben incidenseket generálnak.

Szervizasztalok

Kezdjük egy sematikusan leegyszerűsített ERD-vel, ami a végén történt:

A táblázatok rövid leírásavégpont - gazdagép, kapcsolódási pont a példányhoz
adatbázis - adatbázis opciók
pg_stat_history - történelmi tábla a cél adatbázis pg_stat_statements nézetének ideiglenes pillanatképeinek tárolására
metrikus_szószedet - Teljesítménymutatók szótára
metrikus_konfig - egyedi mérőszámok konfigurálása
metrikus - egy konkrét mérőszám a felügyelt kérelemhez
metrikus_figyelmeztetési_előzmények - a teljesítményre vonatkozó figyelmeztetések története
log_query - szerviztábla az AWS-ből letöltött PostgreSQL naplófájlból elemzett rekordok tárolására
kiindulási - az alapként használt időszak paraméterei
ellenőrző pont - mérőszámok konfigurálása az adatbázis állapotának ellenőrzéséhez
checkpoint_alert_history - az adatbázis állapotellenőrzési metrikáinak figyelmeztető előzményei
pg_stat_db_queries — az aktív kérések szolgáltatástáblázata
naplót — tevékenységnapló szolgáltatási táblázat
trap_oid - csapda konfigurációs szerviz táblázat

1. szakasz – teljesítménystatisztikák gyűjtése és jelentések lekérése

A statisztikai adatok tárolására táblázatot használnak. pg_stat_history
pg_stat_history táblaszerkezet

                                          "public.pg_stat_history" táblázat | oszlop típus | Módosítók--------------------+--------------------- --+----- -------------------------------- id | egész | nem null alapértelmezett nextval('pg_stat_history_id_seq'::regclass) snapshot_timestamp | időbélyeg időzóna nélkül | adatbázis_azonosító | egész | dbid | oid | felhasználói azonosító | oid | queryid | bigint | lekérdezés | szöveg | hívások | bigint | teljes_idő | kettős pontosság | min_time | kettős pontosság | max_time | kettős pontosság | átlagos_idő | kettős pontosság | stddev_time | kettős pontosság | sorok | bigint | shared_blks_hit | bigint | shared_blks_read | bigint | shared_blks_dirtied | bigint | shared_blks_written | bigint | local_blks_hit | bigint | local_blks_read | bigint | local_blks_dirtied | bigint | local_blks_written | bigint | temp_blks_read | bigint | temp_blks_written | bigint | blk_read_time | kettős pontosság | blk_write_time | kettős pontosság | baseline_id | egész | Indexek: "pg_stat_history_pkey" ELSŐDLEGES KULCS, btree (id) "database_idx" btree (database_id) "queryid_idx" btree (queryid) "snapshot_timestamp_idx" btree (snapshot_timestamp) F:IGdakEY_content. id) REFERENCIA adatbázis(id ) A CASCADE TÖRLÉSÉN

Mint látható, a táblázat csak egy összesített nézetadat pg_stat_statements a céladatbázisban.

Ennek a táblázatnak a használata nagyon egyszerű.

pg_stat_history a lekérdezés végrehajtásának összesített statisztikáit fogja képviselni minden órára vonatkozóan. Minden óra elején a táblázat kitöltése után statisztika pg_stat_statements reset with pg_stat_statements_reset().
Megjegyzés: Statisztikát gyűjtünk az 1 másodpercnél hosszabb lekérdezésekről.
A pg_stat_history tábla feltöltése

--pg_stat_history.sql
CREATE OR REPLACE FUNCTION pg_stat_history( ) RETURNS boolean AS $$
DECLARE
  endpoint_rec record ;
  database_rec record ;
  pg_stat_snapshot record ;
  current_snapshot_timestamp timestamp without time zone;
BEGIN
  current_snapshot_timestamp = date_trunc('minute',now());  
  
  FOR endpoint_rec IN SELECT * FROM endpoint 
  LOOP
    FOR database_rec IN SELECT * FROM database WHERE endpoint_id = endpoint_rec.id 
	  LOOP
	    
		RAISE NOTICE 'NEW SHAPSHOT IS CREATING';
		
		--Connect to the target DB	  
	    EXECUTE 'SELECT dblink_connect(''LINK1'',''host='||endpoint_rec.host||' dbname='||database_rec.name||' user=USER password=PASSWORD '')';
 
        RAISE NOTICE 'host % and dbname % ',endpoint_rec.host,database_rec.name;
		RAISE NOTICE 'Creating snapshot of pg_stat_statements for database %',database_rec.name;
		
		SELECT 
	      *
		INTO 
		  pg_stat_snapshot
	    FROM dblink('LINK1',
	      'SELECT 
	       dbid , SUM(calls),SUM(total_time),SUM(rows) ,SUM(shared_blks_hit) ,SUM(shared_blks_read) ,SUM(shared_blks_dirtied) ,SUM(shared_blks_written) , 
           SUM(local_blks_hit) , SUM(local_blks_read) , SUM(local_blks_dirtied) , SUM(local_blks_written) , SUM(temp_blks_read) , SUM(temp_blks_written) , SUM(blk_read_time) , SUM(blk_write_time)
	       FROM pg_stat_statements WHERE dbid=(SELECT oid from pg_database where datname=current_database() ) 
		   GROUP BY dbid
  	      '
	               )
	      AS t
	       ( dbid oid , calls bigint , 
  	         total_time double precision , 
	         rows bigint , shared_blks_hit bigint , shared_blks_read bigint ,shared_blks_dirtied bigint ,shared_blks_written	 bigint ,
             local_blks_hit	 bigint ,local_blks_read bigint , local_blks_dirtied bigint ,local_blks_written bigint ,
             temp_blks_read	 bigint ,temp_blks_written bigint ,
             blk_read_time double precision , blk_write_time double precision	  
	       );
		 
		INSERT INTO pg_stat_history
          ( 
		    snapshot_timestamp  ,database_id  ,
			dbid , calls  ,total_time ,
            rows ,shared_blks_hit  ,shared_blks_read  ,shared_blks_dirtied  ,shared_blks_written ,local_blks_hit , 	 	
            local_blks_read,local_blks_dirtied,local_blks_written,temp_blks_read,temp_blks_written, 	
            blk_read_time, blk_write_time 
		  )		  
	    VALUES
	      (
	       current_snapshot_timestamp ,
		   database_rec.id ,
	       pg_stat_snapshot.dbid ,pg_stat_snapshot.calls,
	       pg_stat_snapshot.total_time,
	       pg_stat_snapshot.rows ,pg_stat_snapshot.shared_blks_hit ,pg_stat_snapshot.shared_blks_read ,pg_stat_snapshot.shared_blks_dirtied ,pg_stat_snapshot.shared_blks_written , 
           pg_stat_snapshot.local_blks_hit , pg_stat_snapshot.local_blks_read , pg_stat_snapshot.local_blks_dirtied , pg_stat_snapshot.local_blks_written , 
	       pg_stat_snapshot.temp_blks_read , pg_stat_snapshot.temp_blks_written , pg_stat_snapshot.blk_read_time , pg_stat_snapshot.blk_write_time 	   
	      );		   
		  
        RAISE NOTICE 'Creating snapshot of pg_stat_statements for queries with min_time more than 1000ms';
	
        FOR pg_stat_snapshot IN
          --All queries with max_time greater than 1000 ms
	      SELECT 
	        *
	      FROM dblink('LINK1',
	        'SELECT 
	         dbid , userid ,queryid,query,calls,total_time,min_time ,max_time,mean_time, stddev_time ,rows ,shared_blks_hit ,
			 shared_blks_read ,shared_blks_dirtied ,shared_blks_written , 
             local_blks_hit , local_blks_read , local_blks_dirtied , 
			 local_blks_written , temp_blks_read , temp_blks_written , blk_read_time , 
			 blk_write_time
	         FROM pg_stat_statements 
			 WHERE dbid=(SELECT oid from pg_database where datname=current_database() AND min_time >= 1000 ) 
  	        '

	                  )
	        AS t
	         ( dbid oid , userid oid , queryid bigint ,query text , calls bigint , 
  	           total_time double precision ,min_time double precision	 ,max_time double precision	 , mean_time double precision	 ,  stddev_time double precision	 , 
	           rows bigint , shared_blks_hit bigint , shared_blks_read bigint ,shared_blks_dirtied bigint ,shared_blks_written	 bigint ,
               local_blks_hit	 bigint ,local_blks_read bigint , local_blks_dirtied bigint ,local_blks_written bigint ,
               temp_blks_read	 bigint ,temp_blks_written bigint ,
               blk_read_time double precision , blk_write_time double precision	  
	         )
	    LOOP
		  INSERT INTO pg_stat_history
          ( 
		    snapshot_timestamp  ,database_id  ,
			dbid ,userid  , queryid  , query  , calls  ,total_time ,min_time ,max_time ,mean_time ,stddev_time ,
            rows ,shared_blks_hit  ,shared_blks_read  ,shared_blks_dirtied  ,shared_blks_written ,local_blks_hit , 	 	
            local_blks_read,local_blks_dirtied,local_blks_written,temp_blks_read,temp_blks_written, 	
            blk_read_time, blk_write_time 
		  )		  
	      VALUES
	      (
	       current_snapshot_timestamp ,
		   database_rec.id ,
	       pg_stat_snapshot.dbid ,pg_stat_snapshot.userid ,pg_stat_snapshot.queryid,pg_stat_snapshot.query,pg_stat_snapshot.calls,
	       pg_stat_snapshot.total_time,pg_stat_snapshot.min_time ,pg_stat_snapshot.max_time,pg_stat_snapshot.mean_time, pg_stat_snapshot.stddev_time ,
	       pg_stat_snapshot.rows ,pg_stat_snapshot.shared_blks_hit ,pg_stat_snapshot.shared_blks_read ,pg_stat_snapshot.shared_blks_dirtied ,pg_stat_snapshot.shared_blks_written , 
           pg_stat_snapshot.local_blks_hit , pg_stat_snapshot.local_blks_read , pg_stat_snapshot.local_blks_dirtied , pg_stat_snapshot.local_blks_written , 
	       pg_stat_snapshot.temp_blks_read , pg_stat_snapshot.temp_blks_written , pg_stat_snapshot.blk_read_time , pg_stat_snapshot.blk_write_time 	   
	      );
		  
        END LOOP;

        PERFORM dblink_disconnect('LINK1');  
				
	  END LOOP ;--FOR database_rec IN SELECT * FROM database WHERE endpoint_id = endpoint_rec.id 
    
  END LOOP;

RETURN TRUE;  
END
$$ LANGUAGE plpgsql;

Ennek eredményeként egy bizonyos idő elteltével a táblázatban pg_stat_history lesz egy sor pillanatképünk a táblázat tartalmáról pg_stat_statements céladatbázis.

Valójában a jelentés

Egyszerű lekérdezések segítségével meglehetősen hasznos és érdekes jelentéseket kaphat.

Adott időszakra vonatkozó összesített adatok

érdeklődés

SELECT 
  database_id , 
  SUM(calls) AS calls ,SUM(total_time)  AS total_time ,
  SUM(rows) AS rows , SUM(shared_blks_hit)  AS shared_blks_hit,
  SUM(shared_blks_read) AS shared_blks_read ,
  SUM(shared_blks_dirtied) AS shared_blks_dirtied,
  SUM(shared_blks_written) AS shared_blks_written , 
  SUM(local_blks_hit) AS local_blks_hit , 
  SUM(local_blks_read) AS local_blks_read , 
  SUM(local_blks_dirtied) AS local_blks_dirtied , 
  SUM(local_blks_written)  AS local_blks_written,
  SUM(temp_blks_read) AS temp_blks_read, 
  SUM(temp_blks_written) temp_blks_written , 
  SUM(blk_read_time) AS blk_read_time , 
  SUM(blk_write_time) AS blk_write_time
FROM 
  pg_stat_history
WHERE 
  queryid IS NULL AND
  database_id = DATABASE_ID  AND
  snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT
GROUP BY database_id ;

D.B. idő

to_char(intervallum '1 milliszekundum' * pg_total_stat_history_rec.total_time, 'HH24:MI:SS.MS')

I/O idő

to_char(intervallum '1 milliszekundum' * ( pg_total_stat_history_rec.blk_read_time + pg_total_stat_history_rec.blk_write_time ), 'HH24:MI:SS.MS')

TOP10 SQL a total_time alapján

érdeklődés

SELECT 
  queryid , 
  SUM(calls) AS calls ,
  SUM(total_time)  AS total_time  	
FROM 
  pg_stat_history
WHERE 
  queryid IS NOT NULL AND 
  database_id = DATABASE_ID AND
  snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT 
GROUP BY queryid 
ORDER BY 3 DESC 
LIMIT 10

-------------------------------------------------- ------------------------------------- | A TOP10 SQL TELJES VÉGREHAJTÁSI IDŐ SZERINT | #| queryid| hívások| hívások %| teljes_idő (ms) | dbtime % +----+-----------+-----------+-------------------- --------------------+----------- | 1| 821760255| 2| .00001|00:03:23.141( 203141.681 ms.)| 5.42 | 2| 4152624390| 2| .00001|00:03:13.929( 193929.215 ms.)| 5.17 | 3| 1484454471| 4| .00001|00:02:09.129( 129129.057 ms.)| 3.44 | 4| 655729273| 1| .00000|00:02:01.869( 121869.981 ms.)| 3.25 | 5| 2460318461| 1| .00000|00:01:33.113( 93113.835 ms.)| 2.48 | 6| 2194493487| 4| .00001|00:00:17.377( 17377.868 ms.)| .46 | 7| 1053044345| 1| .00000|00:00:06.156( 6156.352 ms.)| .16 | 8| 3644780286| 1| .00000|00:00:01.063( 1063.830 ms.)| .03

TOP10 SQL a teljes I/O idő szerint

érdeklődés

SELECT 
  queryid , 
  SUM(calls) AS calls ,
  SUM(blk_read_time + blk_write_time)  AS io_time
FROM 
  pg_stat_history
WHERE 
  queryid IS NOT NULL AND 
  database_id = DATABASE_ID  AND
  snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT
GROUP BY  queryid 
ORDER BY 3 DESC 
LIMIT 10

-------------------------------------------------- --------------------------------------- | A TOP10 SQL TELJES I/O IDŐ SZERINT | #| queryid| hívások| hívások %| I/O idő (ms)|db I/O idő % +----+-----------+-----------+------- -----+---------------------------------+------------ -- | 1| 4152624390| 2| .00001|00:08:31.616( 511616.592 ms.)| június 31.06. | 2| 821760255| 2| .00001|00:08:27.099( 507099.036 ms.)| 30.78 | 3| 655729273| 1| .00000|00:05:02.209( 302209.137 ms.)| 18.35 | 4| 2460318461| 1| .00000|00:04:05.981( 245981.117 ms.)| 14.93 | 5| 1484454471| 4| .00001|00:00:39.144( 39144.221 ms.)| 2.38 | 6| 2194493487| 4| .00001|00:00:18.182( 18182.816 ms.)| 1.10 | 7| 1053044345| 1| .00000|00:00:16.611( 16611.722 ms.)| 1.01 | 8| 3644780286| 1| .00000|00:00:00.436( 436.205 ms.)| .03

TOP10 SQL a maximális végrehajtási idő szerint

érdeklődés

SELECT 
  id AS snapshotid , 
  queryid , 
  snapshot_timestamp ,  
  max_time 
FROM 
  pg_stat_history 
WHERE 
  queryid IS NOT NULL AND 
  database_id = DATABASE_ID  AND
  snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT
ORDER BY 4 DESC 
LIMIT 10

-------------------------------------------------- ------------------------------------- | TOP10 SQL MAX VÉGREHAJTÁSI IDŐ SZERINT | #| pillanatkép| snapshotID| queryid| max_time (ms) +----+-------------------+------------+---------- --+----------------------------------------- | 1| 05.04.2019/01/03 4169:655729273| 00| 02| 01.869:121869.981:2( 04.04.2019 ms.) | 17| 00. 4153. 821760255. 00:01| 41.570| 101570.841| 3:04.04.2019:16( 00 ms.) | 4146| 821760255. 00. 01. 41.570:101570.841| 4| 04.04.2019| 16:00:4144( 4152624390 ms.) | 00| 01. 36.964. 96964.607. 5:04.04.2019| 17| 00| 4151:4152624390:00( 01 ms.) | 36.964| 96964.607. 6. 05.04.2019. 10:00| 4188| 1484454471| 00:01:33.452( 93452.150 ms.) | 7| 04.04.2019. 17. 00. 4150:2460318461 | 00| 01| 33.113:93113.835:8( 04.04.2019 ms.) | 15| 00. 4140. 1484454471. 00:00| 11.892| 11892.302| 9:04.04.2019:16( 00 ms.) | 4145| 1484454471. 00. 00. 11.892:11892.302| 10| 04.04.2019| 17:00:4152( 1484454471 ms.) | 00| 00. 11.892. 11892.302. XNUMX:XNUMX| XNUMX| XNUMX| XNUMX:XNUMX:XNUMX( XNUMX ms.) | XNUMX| XNUMX. XNUMX. XNUMX. XNUMX:XNUMX| XNUMX| XNUMX| XNUMX:XNUMX:XNUMX( XNUMX ms.)

TOP10 SQL a MEGOSZTOTT puffer olvasása/írása által

érdeklődés

SELECT 
  id AS snapshotid , 
  queryid ,
  snapshot_timestamp , 
  shared_blks_read , 
  shared_blks_written 
FROM 
  pg_stat_history
WHERE 
  queryid IS NOT NULL AND 
  database_id = DATABASE_ID  AND
  snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT AND
  ( shared_blks_read > 0 OR shared_blks_written > 0 )
ORDER BY 4 DESC  , 5 DESC 
LIMIT 10

-------------------------------------------------- ------------------------------------- | A TOP10 SQL MEGOSZTOTT PUFFER ÁLTAL OLVASÁS/ÍRÁS | #| pillanatkép| snapshotID| queryid| megosztott blokkok olvasása| megosztott blokkok írása +----+------------------+------------+---------- -+---------------------+---------------------- | 1| 04.04.2019. 17. 00. 4153:821760255| 797308| 0| 2| 04.04.2019 | 16| 00. 4146. 821760255. 797308:0| 3| 05.04.2019| 01| 03 | 4169| 655729273/797158/0 4:04.04.2019| 16| 00| 4144| 4152624390 | 756514| 0. 5. 04.04.2019. 17:00| 4151| 4152624390| 756514| 0 | 6| 04.04.2019. 17. 00. 4150:2460318461| 734117| 0| 7| 04.04.2019 | 17| 00. 4155. 3644780286. 52973:0| 8| 05.04.2019| 01| 03 | 4168| 1053044345. 52818. 0. 9:04.04.2019| 15| 00| 4141| 2194493487 | 52813| 0/10/04.04.2019 16:00| 4147| 2194493487| 52813| 0 | XNUMX| XNUMX. XNUMX. XNUMX. XNUMX:XNUMX| XNUMX| XNUMX| XNUMX| XNUMX | XNUMX| XNUMX. XNUMX. XNUMX. XNUMX:XNUMX| XNUMX| XNUMX| XNUMX| XNUMX -------------------------------------------------- -------------------------------------------------

A lekérdezés eloszlásának hisztogramja a maximális végrehajtási idő szerint

kérelmek

SELECT  
  MIN(max_time) AS hist_min  , 
  MAX(max_time) AS hist_max , 
  (( MAX(max_time) - MIN(min_time) ) / hist_columns ) as hist_width
FROM 
  pg_stat_history 
WHERE 
  queryid IS NOT NULL AND
  database_id = DATABASE_ID  AND
  snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT ;

SELECT 
  SUM(calls) AS calls
FROM 
  pg_stat_history 
WHERE 
  queryid IS NOT NULL AND
  database_id =DATABASE_ID  AND
  snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT AND 
  ( max_time >= hist_current_min AND  max_time < hist_current_max ) ;

|-------------------------------------------------- ----------------------------------------- | MAX_TIME HISTOGRAM | HÍVÁS ÖSSZESEN : 33851920 | MIN. IDŐ: 00:00:01.063 | MAXIMÁLIS IDŐ: 00:02:01.869 --------------------------------- -------- ----------------------------- | min időtartam| max időtartam| hívások +-----------------------------------+-------------- ---------------------+----------- | 00:00:01.063( 1063.830 ms.) | 00:00:13.144( 13144.445 ms.) | 9 | 00:00:13.144( 13144.445 ms.) | 00:00:25.225( 25225.060 ms.) | 0 | 00:00:25.225( 25225.060 ms.) | 00:00:37.305( 37305.675 ms.) | 0 | 00:00:37.305( 37305.675 ms.) | 00:00:49.386( 49386.290 ms.) | 0 | 00:00:49.386( 49386.290 ms.) | 00:01:01.466( 61466.906 ms.) | 0 | 00:01:01.466( 61466.906 ms.) | 00:01:13.547( 73547.521 ms.) | 0 | 00:01:13.547( 73547.521 ms.) | 00:01:25.628( 85628.136 ms.) | 0 | 00:01:25.628( 85628.136 ms.) | 00:01:37.708( 97708.751 ms.) | 4 | 00:01:37.708( 97708.751 ms.) | 00:01:49.789( 109789.366 ms.) | 2 | 00:01:49.789( 109789.366 ms.) | 00:02:01.869( 121869.981 ms.) | 0

TOP10 pillanatkép lekérdezés/másodperc szerint

kérelmek

--pg_qps.sql
--Calculate Query Per Second 
CREATE OR REPLACE FUNCTION pg_qps( pg_stat_history_id integer ) RETURNS double precision AS $$
DECLARE
 pg_stat_history_rec record ;
 prev_pg_stat_history_id integer ;
 prev_pg_stat_history_rec record;
 total_seconds double precision ;
 result double precision;
BEGIN 
  result = 0 ;
  
  SELECT *
  INTO pg_stat_history_rec
  FROM 
    pg_stat_history
  WHERE id = pg_stat_history_id ;

  IF pg_stat_history_rec.snapshot_timestamp IS NULL 
  THEN
    RAISE EXCEPTION 'ERROR - Not found pg_stat_history for id = %',pg_stat_history_id;
  END IF ;  
  
 --RAISE NOTICE 'pg_stat_history_id = % , snapshot_timestamp = %', pg_stat_history_id , 
 pg_stat_history_rec.snapshot_timestamp ;
  
  SELECT 
    MAX(id)   
  INTO
    prev_pg_stat_history_id
  FROM
    pg_stat_history
  WHERE 
    database_id = pg_stat_history_rec.database_id AND
	queryid IS NULL AND
	id < pg_stat_history_rec.id ;

  IF prev_pg_stat_history_id IS NULL 
  THEN
    RAISE NOTICE 'Not found previous pg_stat_history shapshot for id = %',pg_stat_history_id;
	RETURN NULL ;
  END IF;
  
  SELECT *
  INTO prev_pg_stat_history_rec
  FROM 
    pg_stat_history
  WHERE id = prev_pg_stat_history_id ;
  
  --RAISE NOTICE 'prev_pg_stat_history_id = % , prev_snapshot_timestamp = %', prev_pg_stat_history_id , prev_pg_stat_history_rec.snapshot_timestamp ;    

  total_seconds = extract(epoch from ( pg_stat_history_rec.snapshot_timestamp - prev_pg_stat_history_rec.snapshot_timestamp ));
  
  --RAISE NOTICE 'total_seconds = % ', total_seconds ;    
  
  --RAISE NOTICE 'calls = % ', pg_stat_history_rec.calls ;      
  
  IF total_seconds > 0 
  THEN
    result = pg_stat_history_rec.calls / total_seconds ;
  ELSE
   result = 0 ; 
  END IF;
   
 RETURN result ;
END
$$ LANGUAGE plpgsql;


SELECT 
  id , 
  snapshot_timestamp ,
  calls , 	
  total_time , 
  ( select pg_qps( id )) AS QPS ,
  blk_read_time ,
  blk_write_time
FROM 
  pg_stat_history
WHERE 
  queryid IS NULL AND 
  database_id = DATABASE_ID  AND
  snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT AND
  ( select pg_qps( id )) IS NOT NULL 
ORDER BY 5 DESC 
LIMIT 10

|-------------------------------------------------- ----------------------------------------- | A TOP10 pillanatkép QueryPerSeconds számok szerint rendezve -------------------------------------- ------ -------------------------------------------- ------ -------------------------------------------- | #| pillanatkép| snapshotID| hívások| teljes dbtime| QPS | I/O idő | I/O idő % +-----+-------------------+------------+-------- ----+-----------------------------------+----------- -+----------------------------------+------------ | 1| 04.04.2019. 20. 04. 4161:5758631| 00| 06| 30.513:390513.926:1573.396( 00 ms.)| 00| 01.470:1470.110:376( 2 ms.)| .04.04.2019 | 17| 00. 4149. 3529197. 00:11| 48.830| 708830.618| 980.332:00:12( 47.834 ms.)| 767834.052| 108.324:3:04.04.2019( 16 ms.)| 00 | 4143| 3525360. 00. 10. 13.492:613492.351| 979.267| 00| 08:41.396:521396.555( 84.988 ms.)| 4| 04.04.2019:21:03( 4163 ms.)| 2781536 | 00| 03. 06.470. 186470.979. 785.745:00| 00| 00.249| 249.865:134:5( 04.04.2019 ms.)| 19| 03:4159:2890362( 00 ms.)| .03 | 16.784| 196784.755. 776.979. 00. 00:01.441| 1441.386| 732| 6:04.04.2019:14( 00 ms.)| 4137| 2397326:00:04( 43.033 ms.)| .283033.854 | 665.924| 00. 00. 00.024. 24.505:009 | 7| 04.04.2019| 15:00:4139( 2394416 ms.)| 00| 04:51.435:291435.010( 665.116 ms.)| .00 | 00| 12.025. 12025.895. 4.126. 8:04.04.2019| 13| 00| 4135:2373043:00( 04 ms.)| 26.791| 266791.988:659.179:00( 00 ms.)| 00.064 | 64.261| 024. 9. 05.04.2019. 01:03 | 4167| 4387191| 00:06:51.380( 411380.293 ms.)| 609.332| 00:05:18.847( 318847.407 ms.)| .77.507 | 10| 04.04.2019/18/01 4157:1145596| 00| 01| 19.217:79217.372:313.004( 00 ms.)| 00| 01.319:1319.676:1.666( XNUMX ms.)| XNUMX | XNUMX| XNUMX. XNUMX. XNUMX. XNUMX:XNUMX| XNUMX| XNUMX| XNUMX:XNUMX:XNUMX( XNUMX ms.)| XNUMX| XNUMX:XNUMX:XNUMX( XNUMX ms.)| XNUMX

Óránkénti végrehajtási előzmények QueryPerSeconds és I/O idővel

érdeklődés

SELECT 
  id , 
  snapshot_timestamp ,
  calls , 	
  total_time , 
  ( select pg_qps( id )) AS QPS ,
  blk_read_time ,
  blk_write_time
FROM 
  pg_stat_history
WHERE 
  queryid IS NULL AND 
  database_id = DATABASE_ID  AND
  snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT
ORDER BY 2

|-----------------------------------------------------------------------------------------------
| HOURLY EXECUTION HISTORY  WITH QueryPerSeconds and I/O Time
-----------------------------------------------------------------------------------------------------------------------------------------------
| QUERY PER SECOND HISTORY
|    #|          snapshot| snapshotID|      calls|                      total dbtime|        QPS|                          I/O time| I/O time %
+-----+------------------+-----------+-----------+----------------------------------+-----------+----------------------------------+-----------
|    1|  04.04.2019 11:00|       4131|       3747|  00:00:00.835(       835.374 ms.)|      1.041|  00:00:00.000(          .000 ms.)|       .000
|    2|  04.04.2019 12:00|       4133|    1002722|  00:01:52.419(    112419.376 ms.)|    278.534|  00:00:00.149(       149.105 ms.)|       .133
|    3|  04.04.2019 13:00|       4135|    2373043|  00:04:26.791(    266791.988 ms.)|    659.179|  00:00:00.064(        64.261 ms.)|       .024
|    4|  04.04.2019 14:00|       4137|    2397326|  00:04:43.033(    283033.854 ms.)|    665.924|  00:00:00.024(        24.505 ms.)|       .009
|    5|  04.04.2019 15:00|       4139|    2394416|  00:04:51.435(    291435.010 ms.)|    665.116|  00:00:12.025(     12025.895 ms.)|      4.126
|    6|  04.04.2019 16:00|       4143|    3525360|  00:10:13.492(    613492.351 ms.)|    979.267|  00:08:41.396(    521396.555 ms.)|     84.988
|    7|  04.04.2019 17:00|       4149|    3529197|  00:11:48.830(    708830.618 ms.)|    980.332|  00:12:47.834(    767834.052 ms.)|    108.324
|    8|  04.04.2019 18:01|       4157|    1145596|  00:01:19.217(     79217.372 ms.)|    313.004|  00:00:01.319(      1319.676 ms.)|      1.666
|    9|  04.04.2019 19:03|       4159|    2890362|  00:03:16.784(    196784.755 ms.)|    776.979|  00:00:01.441(      1441.386 ms.)|       .732
|   10|  04.04.2019 20:04|       4161|    5758631|  00:06:30.513(    390513.926 ms.)|   1573.396|  00:00:01.470(      1470.110 ms.)|       .376
|   11|  04.04.2019 21:03|       4163|    2781536|  00:03:06.470(    186470.979 ms.)|    785.745|  00:00:00.249(       249.865 ms.)|       .134
|   12|  04.04.2019 23:03|       4165|    1443155|  00:01:34.467(     94467.539 ms.)|    200.438|  00:00:00.015(        15.287 ms.)|       .016
|   13|  05.04.2019 01:03|       4167|    4387191|  00:06:51.380(    411380.293 ms.)|    609.332|  00:05:18.847(    318847.407 ms.)|     77.507
|   14|  05.04.2019 02:03|       4171|     189852|  00:00:10.989(     10989.899 ms.)|     52.737|  00:00:00.539(       539.110 ms.)|      4.906
|   15|  05.04.2019 03:01|       4173|       3627|  00:00:00.103(       103.000 ms.)|      1.042|  00:00:00.004(         4.131 ms.)|      4.010
|   16|  05.04.2019 04:00|       4175|       3627|  00:00:00.085(        85.235 ms.)|      1.025|  00:00:00.003(         3.811 ms.)|      4.471
|   17|  05.04.2019 05:00|       4177|       3747|  00:00:00.849(       849.454 ms.)|      1.041|  00:00:00.006(         6.124 ms.)|       .721
|   18|  05.04.2019 06:00|       4179|       3747|  00:00:00.849(       849.561 ms.)|      1.041|  00:00:00.000(          .051 ms.)|       .006
|   19|  05.04.2019 07:00|       4181|       3747|  00:00:00.839(       839.416 ms.)|      1.041|  00:00:00.000(          .062 ms.)|       .007
|   20|  05.04.2019 08:00|       4183|       3747|  00:00:00.846(       846.382 ms.)|      1.041|  00:00:00.000(          .007 ms.)|       .001
|   21|  05.04.2019 09:00|       4185|       3747|  00:00:00.855(       855.426 ms.)|      1.041|  00:00:00.000(          .065 ms.)|       .008
|   22|  05.04.2019 10:00|       4187|       3797|  00:01:40.150(    100150.165 ms.)|      1.055|  00:00:21.845(     21845.217 ms.)|     21.812

Az összes SQL kijelölés szövege

érdeklődés

SELECT 
  queryid , 
  query 
FROM 
  pg_stat_history
WHERE 
  queryid IS NOT NULL AND 
  database_id = DATABASE_ID  AND
  snapshot_timestamp BETWEEN BEGIN_TIMEPOINT AND END_TIMEPOINT
GROUP BY queryid , query

Teljes

Amint látja, meglehetősen egyszerű eszközökkel sok hasznos információhoz juthat a terhelésről és az adatbázis állapotáról.

Jegyzet:Ha a lekérdezésekben kijavítja a lekérdezési azonosítót, akkor külön kéréshez kapjuk meg az előzményeket (a helytakarékosság érdekében a külön kérés jelentéseit kihagyjuk).

Így a lekérdezések teljesítményére vonatkozó statisztikai adatok rendelkezésre állnak és összegyűjthetők.
A „statisztikai adatok gyűjtése” első szakasza befejeződött.

Továbbléphet a második szakaszhoz - "a teljesítménymutatók konfigurálása".


De ez egy teljesen más történet.

Folytatás ...

Forrás: will.com